Akankah AI menggantikan para bankir investasi? [Video dan Kuis]

Jawaban singkat: AI tidak akan sepenuhnya menggantikan bankir investasi, tetapi akan mengambil alih sebagian besar pekerjaan "produksi" junior dan mengurangi beberapa tim karena alur kerja diubah. Jika perusahaan dapat membatasi penggunaan alat-alat tersebut di dalam kerangka kepatuhan dan jejak audit yang ketat, beban kerja analis akan berkurang dengan cepat; jika kepercayaan runtuh di bawah tekanan, manusia tetap memegang kendali.

Poin-poin penting:

Otomatisasi tugas: Gunakan AI untuk draf pertama, komposisi, ringkasan, dan pemformatan slide.

Keunggulan manusia: Fokus pada kepercayaan, negosiasi, politik, dan akuntabilitas dalam transaksi nyata.

Pergeseran senioritas: Analis mengalami penurunan peran; rekanan/VP mendapatkan pengaruh melalui peninjauan dan penilaian.

Prioritaskan kontrol: Tekankan perlunya jejak audit, indikator ketidakpastian, dan batasan kepatuhan yang ketat.

Risiko pelatihan: Jika pekerjaan kasar hilang, bangun kembali program magang dengan siklus praktik yang disengaja.

Artikel-artikel yang mungkin ingin Anda baca setelah ini:

🔗 Akankah AI menggantikan ahli radiologi dalam waktu dekat?
Bagaimana pekerjaan pencitraan dapat berubah dengan diagnostik yang dibantu AI.

🔗 Akankah AI menggantikan akuntan atau mengubah perannya?
Apa yang dapat ditangani oleh otomatisasi, dan di mana peran manusia masih penting.

🔗 Akankah AI menggantikan analis data: pembicaraan yang sebenarnya
Pandangan praktis tentang tugas-tugas yang dapat dan tidak dapat digantikan oleh AI.

🔗 Akankah AI menggantikan pengacara? Pertanyaan ini lebih rumit dari yang terlihat
Mengapa pekerjaan di bidang hukum menolak otomatisasi penuh, meskipun ada kemajuan pesat dalam AI.

Jawaban singkat untuk pertanyaan “Akankah AI menggantikan Investment Bankers?” 📌

AI kemungkinan besar tidak akan sepenuhnya menggantikan peran bankir investasi dari hulu ke hilir karena perbankan bukan hanya tentang menghasilkan output - tetapi juga tentang memenangkan kepercayaan, mengatasi ambiguitas, dan menyelesaikan kesepakatan ketika setiap orang memiliki insentif yang berbeda dan ingatan yang selektif.

Namun AI pasti akan:

• Mengotomatiskan sebagian besar pekerjaan analisis, penyusunan draf, dan proses.

• Persingkat jangka waktu untuk presentasi dan pelaksanaannya

• Mengurangi jumlah tenaga kerja yang dibutuhkan untuk lapisan pekerjaan tertentu

• Mengalihkan nilai ke arah kekuatan hubungan + penilaian + distribusi

• Paksa bank untuk mempertimbangkan kembali model "magang" analis-ke-asisten

Jadi, jika Anda bertanya "Apakah AI akan menggantikan bankir investasi?" seolah-olah jawabannya hanya ya/tidak, jawaban sederhananya adalah: AI menggantikan tugas, bukan seluruh spesies 🧠🤖

Mari kita lihat kenyataan: ini bukan "suatu hari nanti" - ini sudah termasuk dalam perhitungan dunia kerja 🔢

Cara mudah untuk menjelaskannya: para eksekutif tidak memperdebatkan apakah AI itu penting, tetapi mereka membuat anggaran berdasarkan hal tersebut.

• Dalam survei pemberi kerja Forum Ekonomi Dunia, 86% mengharapkan AI + teknologi pengolahan informasi akan mengubah bisnis mereka pada tahun 2030, dan penelitian yang sama menyoroti perputaran lapangan kerja skala besar (penciptaan + penggantian) yang didorong oleh transformasi struktural. [1]

• Sementara itu, penelitian produktivitas utama berpendapat bahwa AI generatif dapat secara signifikan mengubah output per jam jika organisasi berhasil mengalokasikan kembali waktu dan mengatur ulang alur kerja (jika yang besar, tetapi itulah intinya). [2]

Terjemahan: meskipun para "bankir" tidak menghilang, model operasionalnya tidak akan tetap sama.

Apa yang dilakukan oleh bankir investasi (bagian yang sering dilupakan orang) 🧾📈

Jika perbankan investasi hanya tentang spreadsheet dan slide presentasi, percakapan ini pasti sudah berakhir. Tetapi pekerjaan ini lebih seperti lima pekerjaan yang ditumpuk dalam satu mantel:

1. Penciptaan proyek (mencari dan memenangkan pekerjaan)
   , membangun hubungan, menentukan posisi, mengatur waktu, dan politik. Sedikit terapi, sedikit strategi, dan sedikit permainan catur ♟️

2. Pelaksanaan (mewujudkan kesepakatan)
   Koordinasi di antara pengacara, akuntan, komite internal, pimpinan klien, pihak lawan… ditambah krisis “kecil” yang terus-menerus terjadi.

3. Penilaian dan narasi.
   Bukan sekadar angka - sebuah cerita yang mampu bertahan dari peng scrutiny. Mengapa kesepakatan ini, mengapa sekarang, mengapa dengan harga ini.

4. Manajemen proses,
   garis waktu, ruang data, permintaan uji tuntas, pengelolaan pemangku kepentingan. Pada dasarnya ini adalah manajemen kucing profesional 🐈

5. Manajemen risiko dan penilaian reputasi.
   Apa yang tidak boleh dilakukan sama pentingnya dengan apa yang harus dilakukan. Terkadang bahkan lebih penting.

AI dapat membantu dalam kelima hal tersebut. Menggantikan kelima hal tersebut sekaligus jauh lebih sulit.

Apa yang membuat versi AI yang baik dalam perbankan investasi? 🤝🤖

“Versi AI yang baik” di bidang perbankan bukanlah yang menghasilkan paragraf terindah. Melainkan yang berperilaku seperti rekan tim junior yang dapat diandalkan yang:

• Tidak mengalami halusinasi (atau setidaknya menunjukkan ketidakpastian dengan jelas)

• Menjelaskan asumsinya tanpa berubah menjadi kuliah filsafat.

• Bekerja sesuai dengan batasan kepatuhan tanpa mengeluh.

• Menggunakan templat yang konsisten dan kontrol versi (perbankan sangat alergi terhadap hal-hal yang tidak terduga)

• Memahami konteks - dinamika sektor, norma struktur transaksi, sensitivitas klien.

• Menyimpan jejak audit agar seseorang dapat membela hasilnya di kemudian hari 😬

Selain itu: sektor keuangan sudah mengadopsi AI (termasuk GenAI) di beberapa tempat seperti pemrosesan back-end dan kepatuhan, sementara secara eksplisit menyebutkan risiko seperti opasitas, privasi, keamanan siber dan bias. Ketegangan itulah inti dari permainan ini. [3]

Persyaratan tersembunyi adalah kepercayaan. Sebuah model bisa cerdas, tetapi jika tidak dapat dipercaya di bawah tekanan, ia menjadi beban. Seperti mobil sport dengan rem yang tidak andal - menyenangkan sampai akhirnya tidak lagi.

Di mana AI pertama kali menyerang: bagian "industri" perbankan 🏭🧠

Perpindahan paling awal terjadi pada pekerjaan yang:

• Volume tinggi

• Berbasis templat

• Rentan terhadap kesalahan manusia

• Mudah diperiksa secara mekanis

Jadi ya, banyak masalah klasik yang dihadapi analis ada di zona ledakan.

Tugas yang kemungkinan besar akan diotomatisasi (atau dikompresi secara signifikan)

• Menyusun draf awal teks presentasi dan tinjauan pasar ✍️

• Membangun tabel perbandingan dari input terstruktur

• Meringkas berkas pengajuan, transkrip, catatan penelitian

• Mengatur format slide dan menegakkan aturan merek (selamat tinggal, perang penataan tata letak jam 2 pagi) 🎯

• Membuat draf bagian CIM dari catatan uji tuntas yang diberikan

• Menghasilkan berbagai skenario penilaian dengan cepat

• Menyusun draf email, laporan status, agenda rapat (hal-hal yang tampak glamor…)

Balikkan keadaan

Bahkan ketika AI "melakukan" tugas tersebut, manusia tetap:

• Periksa ini

• Perbaiki

• Pertahankan secara internal

• Sajikan secara eksternal

Jadi, tugas bergeser dari pembuatan ke peninjauan, pengawasan, dan penilaian. Kedengarannya lebih mudah… sampai Anda yang menandatanganinya 😵💫

Sebuah skenario yang sangat umum: pukul 23.17, klien menginginkan "narasi ekuitas yang lebih ringkas" pada pagi hari, dan seseorang membutuhkan tiga versi untuk tiga kelompok internal yang berbeda. Sistem AI yang handal dapat menyusun draf awal dan membangun kerangka slide dalam hitungan menit - dan kemudian associate/VP melakukan pekerjaan sebenarnya: memperbaiki apa yang secara teknis benar tetapi secara komersial salah.

Di mana AI kesulitan: peran manusia yang menjadi perekat dalam menutup kesepakatan 🧩💬

Inilah kebenaran yang agak canggung: banyak nilai dalam perbankan investasi bersifat sosial dan situasional. Bukan sosial palsu, tetapi sosial kontekstual.

AI lebih kesulitan dalam hal:

• Psikologi klien: rasa takut, ego, politik internal, dinamika dewan direksi

• Nuansa negosiasi: apa yang dikatakan vs apa yang dimaksud

• Insting pengaturan waktu: kapan harus mendorong, kapan harus berhenti

• Kepercayaan berdasarkan reputasi: “Saya sudah pernah menonton film ini sebelumnya, jangan lakukan itu lagi”

• Penataan kreatif di bawah kendala (pajak, tata kelola, hambatan regulasi)

• Akuntabilitas: klien menginginkan manusia yang bertanggung jawab atas nasihat yang diberikan.

Sebuah model dapat menyarankan sebuah struktur. Model itu tidak bisa duduk berhadapan dengan seorang CEO yang setengah marah dan setengah ketakutan lalu dengan tenang mengarahkan percakapan kembali ke pilihan-pilihan rasional. Itu adalah keterampilan yang sangat manusiawi. Bukan magis - manusiawi.

Tabel Perbandingan: Implementasi “AI + perbankan” terbaik (dan siapa yang diuntungkan) 📊✨

Berikut pandangan praktisnya - bukan sebagai iklan penjualan "alat AI terbaik", melainkan lebih seperti "pola penggunaan terbaik".

Ya, penetapan harganya memang tidak jelas. Itu disengaja. Pengadaan di sektor perbankan adalah dunia paralel tersendiri.

Akankah AI menggantikan para bankir investasi: itu tergantung pada senioritas 👔🧑💻

Di sinilah percakapan mulai menjadi menarik.

Analis dan junior 😵💫

Sebagian besar pekerjaan junior adalah:

• Penyusunan draf

• Pemformatan

• Memperbarui

• Membangun kembali model yang sama dengan sedikit modifikasi

AI mengompres ini dengan sangat keras. Artinya:

• Jumlah tenaga junior yang dibutuhkan untuk hasil yang sama mungkin lebih sedikit

• Para pemain junior yang tersisa diharapkan dapat beroperasi pada level yang lebih tinggi dalam waktu dekat

• Model “belajar melalui penderitaan” terganggu

Ada risiko nyata: jika AI menghilangkan pekerjaan kasar, para junior mungkin juga kehilangan pengulangan yang membangun intuisi. Mirip seperti belajar memasak hanya dengan memesan makanan - Anda akan bertahan hidup, tetapi Anda tidak akan menjadi koki.

Para Associate dan VP 🧠

Peran-peran ini mungkin menjadi lebih berharga karena:

• Menerjemahkan kebutuhan klien ke dalam hasil yang dapat disampaikan

• Temukan apa yang salah sebelum dikirim

• Mengelola pemangku kepentingan dan tenggat waktu

• Menafsirkan ambiguitas dan mengambil keputusan

AI membuat mereka lebih cepat, bukan usang.

Para dokter dan pencari bakat ☔

Jika Anda benar-benar menghasilkan pendapatan melalui hubungan dan kepercayaan, AI tidak akan menggantikan Anda. Bahkan, AI mungkin memperlebar kesenjangan antara:

• Para bankir yang dapat memulai dan memberikan nasihat

• Para bankir yang sebagian besar mengawasi proses tersebut

Terkesan kasar, tapi… ya sudahlah.

Susunan skill bankir baru (alias cara agar tidak tersingkir) 🧰🚀

Jika AI mengambil alih produksi berulang dari pekerjaan Anda, yang tersisa adalah apa yang dibayar oleh orang-orang.

Keterampilan yang menjadi lebih berharga

• Membangun narasi klien: mengubah kompleksitas menjadi keyakinan 🎤

• Pertimbangan komersial: apa yang penting, apa yang tidak penting, dan apa yang berisiko.

• Pengenalan pola sektoral: mengetahui "mengapa" di balik angka-angka tersebut.

• Negosiasi dan pengaruh: internal dan eksternal

• Kepemimpinan proses: menjaga agar transaksi tetap berjalan lancar di tengah kompleksitas.

• Pengawasan AI: memberikan petunjuk, memvalidasi, dan menguji ketahanan hasil.

Dan ya, menjadi "mahir dalam AI" menjadi hal yang nyata - bukan dalam arti yang memalukan. Lebih seperti: dapatkah Anda menggunakannya secara bertanggung jawab, cepat, dan tanpa mempermalukan tim.

Hal-hal yang tidak nyaman: risiko, kepatuhan, dan tanggung jawab hukum ⚠️🏛️

Perbankan bukanlah taman bermain. Ini adalah mesin akuntabilitas.

Dua realitas yang sangat tidak menarik mendorong kecepatan adopsi:

1. Tata kelola risiko model bukanlah pilihan.
   Regulator perbankan memiliki harapan lama terkait manajemen risiko model: validasi, dokumentasi, dan tata kelola. (AI generatif tidak serta merta mendapatkan izin khusus - justru, AI generatif meningkatkan standar kontrol.) [4]

2. Komunikasi + penyimpanan catatan menjadi rumit dengan cepat.
   Broker-dealer memiliki kewajiban eksplisit untuk menyimpan komunikasi terkait bisnis (termasuk komunikasi elektronik) berdasarkan rezim pencatatan SEC/FINRA. Hal ini penting ketika orang mulai menempelkan konteks transaksi ke dalam alat, membuat draf, atau “berbincang” dengan bot internal. [5]

Jadi, adopsi AI seringkali terlihat seperti: “AI di mana-mana… tetapi hanya setelah dibatasi.”

Gambaran masa depan: lebih sedikit lapisan, siklus lebih cepat, lebih banyak spesialisasi 🔄💼

Hasil yang realistis bukanlah kepunahan para bankir. Melainkan penyesuaian peran para bankir:

• Tim transaksi yang efisien didukung oleh sistem AI.

• Lebih banyak "kelompok" yang terdiri dari talenta sektor + produk + eksekusi

• Iterasi yang lebih cepat untuk presentasi dan model

• Lebih menekankan pada distribusi (siapa yang dapat menempatkan barang, siapa yang dapat mendatangkan pembeli, siapa yang dapat memindahkan modal)

• Perpecahan antara:

  • Pekerjaan konsultasi dengan tingkat kepercayaan tinggi (banyak melibatkan manusia)

  • Pekerjaan produksi volume tinggi (banyak menggunakan AI)

Selain itu, perkirakan akan semakin banyak butik yang mampu bersaing di atas ukuran sebenarnya. Jika AI memberikan kapasitas produksi perusahaan besar kepada tim yang lebih kecil, maka pembeda utamanya adalah hubungan, penilaian, dan keahlian khusus 🥊

Akankah AI menggantikan para bankir investasi: versi ringkasnya 🧾✅

Akankah AI menggantikan para bankir investasi? Tidak sepenuhnya. Tetapi AI akan menggantikan sebagian besar pekerjaan yang dilakukan para bankir, terutama pekerjaan produksi tingkat junior.

Yang membekas:

• Hubungan

• Keputusan

• Perundingan

• Akuntabilitas

• Menavigasi sistem manusia (dewan direksi, ego, politik… ya)

Perubahan apa saja yang terjadi:

• Ukuran tim

• Jalur pelatihan

• Ekspektasi kecepatan

• Definisi “menambah nilai”

Bankir yang menang adalah bankir yang menjadi editor realitas yang hebat - menggunakan AI untuk meningkatkan daya komputasi sambil tetap bertanggung jawab secara obsesif atas keputusannya. Agak puitis, tetapi juga benar. Seperti menggunakan alat bertenaga: itu membuat Anda lebih cepat, bukan lebih bijaksana.

Pertanyaan yang Sering Diajukan (FAQ)

Akankah AI menggantikan bankir investasi sepenuhnya?

Bukan dalam proses yang rapi dan menyeluruh. Perbankan investasi bukan hanya soal hasil – ini tentang kepercayaan, penilaian, politik, dan meyakinkan manusia untuk mengatakan "ya" di bawah tekanan. AI akan menggantikan sebagian besar pekerjaan, memperpendek jangka waktu, dan mengurangi beberapa lapisan, terutama di bagian produksi junior. Tetapi klien tetap menginginkan seseorang yang bertanggung jawab atas nasihat (dan konsekuensinya). 🤝

Tugas-tugas perbankan investasi mana yang paling mungkin diotomatisasi terlebih dahulu?

Pekerjaan "industri" terkena dampaknya terlebih dahulu: volume tinggi, berbasis templat, dan mudah diperiksa secara mekanis. Bayangkan teks presentasi awal, tinjauan pasar, tabel perbandingan, ringkasan pengajuan/transkrip, format slide, draf bagian CIM, simulasi skenario, dan pembaruan status tanpa henti. Yang menarik adalah Anda tidak berhenti bekerja - Anda beralih dari membuat ke meninjau, mengoreksi, dan mempertahankan hasil ketika hasilnya tidak sesuai secara komersial.

Akankah AI menggantikan bankir investasi di tingkat analis?

AI sangat mengurangi kesulitan klasik analis: menyusun draf, memformat, memperbarui, dan membangun kembali model yang sama dengan sedikit perubahan. Itu berarti lebih sedikit junior yang dibutuhkan untuk hasil yang sama, dan ekspektasi yang lebih tinggi bagi mereka yang bertahan. Risikonya adalah pelatihan: jika pekerjaan kasar hilang, maka pengulangan yang membangun insting juga hilang. Anda tidak bisa menjadi ahli hanya dengan "mengatur" pekerjaan. 😅

Apa yang terjadi pada para associate, VP, dan MD seiring dengan meluasnya AI?

Para Associate dan VP mungkin menjadi lebih berharga karena mereka menerjemahkan kebutuhan klien yang kompleks menjadi hasil yang nyata dan mendeteksi masalah sebelum produk dikirim. Mereka juga mengelola jadwal, pemangku kepentingan, dan ambiguitas - area di mana AI masih kesulitan. Bagi MD, penciptaan prospek berdasarkan hubungan dan kepercayaan tidak akan hilang. Kesenjangan semakin melebar antara para pencipta prospek dan orang-orang yang sebagian besar hanya mengawasi proses. ☔

Mengapa AI kesulitan dengan bagian-bagian perbankan yang berkaitan dengan penutupan transaksi?

Karena bagian tersulitnya bersifat situasional dan manusiawi. AI dapat menyarankan struktur, tetapi psikologi klien, politik dewan direksi, nuansa negosiasi, dan insting waktu bukanlah kumpulan data yang bersih. Kepercayaan berbasis reputasi juga rumit: "Saya pernah melihat film ini sebelumnya" sebagian merupakan pengalaman, sebagian lagi akuntabilitas. Ketika seorang CEO setengah marah dan setengah ketakutan, seseorang perlu mengarahkan ruangan—bukan hanya menghasilkan teks.

Bagaimana bank dapat menggunakan AI dalam perbankan investasi tanpa mengalami kerugian?

Pengaturan yang “baik” berperilaku seperti rekan tim junior yang dapat diandalkan: ia menandai ketidakpastian, menjelaskan asumsi, bekerja dalam batasan kepatuhan, dan menjaga konsistensi templat. Sama pentingnya, ia membutuhkan jejak audit sehingga seseorang dapat mempertahankan hasilnya di kemudian hari. Adopsi sering kali terlihat seperti “AI di mana-mana… tetapi terkurung,” karena risiko privasi, keamanan siber, ketidaktransparansian, dan bias tidak hilang pada hari kesepakatan. ⚠️

Apa saja risiko kepatuhan dan pencatatan terbesar terkait GenAI di sektor perbankan?

Dua realitas memperlambat segalanya. Pertama, tata kelola risiko model bukanlah pilihan – regulator mengharapkan validasi, dokumentasi, dan kontrol, dan GenAI dapat meningkatkan standar daripada menurunkannya. Kedua, komunikasi dan penyimpanan catatan sangat penting: ketika orang menyalin konteks transaksi ke dalam alat atau membuat draf dalam obrolan, Anda dapat menciptakan masalah penyimpanan dan pengawasan di bawah rezim pialang-dealer.

Bagaimana Anda tetap berharga jika AI mengubah dunia perbankan investasi?

Pikirkan "kekuatan, bukan kebijaksanaan." Gunakan AI untuk menyusun, menstrukturkan, dan melakukan iterasi lebih cepat - kemudian gunakan waktu manusia Anda untuk narasi, penilaian komersial, pengenalan pola sektor, negosiasi, dan kepemimpinan proses. Menjadi "mahir dalam AI" berarti mengawasinya secara bertanggung jawab: memberikan arahan yang baik, menguji hasil secara menyeluruh, dan menangkap apa yang secara teknis benar tetapi secara komersial salah. Para pemenang menjadi editor realitas yang hebat. 

Contoh nyata: Membangun asisten AI untuk meninjau proposal bisnis

Skenario

Bayangkan sebuah tim M&A pasar menengah sedang mempersiapkan presentasi putaran pertama untuk perusahaan perangkat lunak milik pendirinya. Analis harus memperbarui data perbandingan perdagangan, merangkum berita sektor terkini, menyusun narasi valuasi, dan mengubah catatan kasar dari Direktur Pelaksana menjadi presentasi diskusi 12 slide yang rapi.

Inilah jenis pekerjaan yang dapat dikompresi oleh AI - tetapi tidak dapat diotomatisasi secara aman dari ujung ke ujung.

Pengaturan yang tepat bukanlah "biarkan AI membuat presentasi". Melainkan: gunakan AI sebagai asisten draf pertama yang terkontrol, kemudian jadikan analis, rekanan, dan wakil presiden bertanggung jawab untuk memeriksa setiap angka, sumber, dan klaim komersial sebelum apa pun keluar dari tim.

Apa yang dibutuhkan asisten

Seorang asisten perbankan yang praktis akan membutuhkan:

• Templat buku presentasi dan aturan format yang disetujui bank

• Daftar sumber data yang diizinkan

• Contoh proposal yang telah disetujui sebelumnya dari sektor yang sama

• Laporan keuangan perusahaan terbaru yang diberikan oleh klien atau yang dipublikasikan

• Tabel perbandingan terkini yang dibuat atau diperiksa oleh manusia

• Aturan yang jelas tentang apa yang tidak diperbolehkan dilakukan oleh model tersebut, seperti menciptakan kelipatan valuasi, menyebutkan nama klien rahasia, atau membuat klaim pasar tanpa sumber

• Jejak audit yang diperlukan menunjukkan input mana yang digunakan untuk setiap output

Asisten tidak boleh memiliki akses terbuka ke berkas transaksi sensitif kecuali firma tersebut telah menyetujui izin, aturan penyimpanan, dan kontrol kepatuhan yang berlaku.

Contoh instruksi

Gunakan templat buku presentasi akuisisi dan merger perangkat lunak yang telah disetujui. Buat draf slide 3 hingga 7 untuk perusahaan SaaS vertikal milik pendiri yang mempertimbangkan investasi pertumbuhan minoritas.

Gunakan hanya ringkasan perusahaan yang telah diunggah, tabel perbandingan yang telah disetujui, dan tiga contoh presentasi perangkat lunak yang telah disetujui sebelumnya. Jangan membuat angka keuangan baru. Jangan mengutip klaim pasar kecuali jika klaim tersebut tercantum dalam materi yang disediakan. Tandai data yang hilang dalam tanda kurung siku.

Untuk setiap slide, berikan:

• Judul slide

• Tiga hingga lima poin penting

• Bagan atau tabel yang disarankan

• Catatan sumber

• Risiko atau asumsi harus diperiksa oleh rekanan

Pertahankan nada yang komersial, ringkas, dan sesuai untuk audiens CEO.

Bagaimana cara mengujinya?

Mulailah dengan lima tugas terkontrol sebelum menggunakannya pada pekerjaan nyata:

1. Berikan tabel perbandingan harga yang telah disetujui dan mintalah ringkasan valuasi.

2. Hapus satu angka kunci dan periksa apakah angka tersebut menandai celah yang ada alih-alih menebak.

3. Mintalah untuk menyusun tinjauan pasar hanya menggunakan sumber yang telah disediakan.

4. Bandingkan judul slide-nya dengan presentasi yang telah disetujui sebelumnya.

5. Mintalah rekan kerja untuk menandai setiap hasil sebagai diterima, diedit, ditolak, atau diteruskan ke tingkat yang lebih tinggi.

Output yang baik menyatakan: “Pertumbuhan ARR [tidak ada dalam materi yang diberikan], jadi poin ini harus dikonfirmasi sebelum dimasukkan.”

Output yang salah menyatakan: “Perusahaan mengalami pertumbuhan ARR sebesar 35%” padahal angka tersebut tidak pernah diberikan. Itu bukan kesalahan sepele dalam perbankan. Itulah bagaimana kepercayaan dihancurkan.

Hasil

Hasil ilustratif, berdasarkan pengukuran waktu lima contoh tugas pitch-book sebelum dan sesudah menggunakan alur kerja:

• Waktu pembuatan draf slide tahap pertama berkurang dari 4 jam 30 menit menjadi 1 jam 15 menit.

• Koreksi format berkurang dari 23 perbaikan manual menjadi 7 perbaikan manual.

• Waktu peninjauan kinerja karyawan turun dari 1 jam 40 menit menjadi 55 menit.

• Dua klaim yang tidak didukung bukti terdeteksi selama pengujian karena asisten menandai materi sumber yang hilang alih-alih mengisi kekosongan tersebut.

• Persetujuan akhir masih memerlukan peninjauan manusia pada 100% slide.

Itu tidak berarti asisten tersebut "menggantikan" analis. Hal itu mengubah pekerjaan analis dari pembuatan dokumen dari awal menjadi pengecekan sumber, penyuntingan komersial, dan penanganan pengecualian.

Apa yang bisa salah?

Risiko terbesar adalah rasa percaya diri yang keliru. Sebuah slide yang terlihat rapi pun masih bisa mengandung asumsi yang salah, data yang sudah usang, atau klaim yang akan dibenci klien.

Kesalahan umum meliputi:

• Membiarkan asisten mengambil data dari sumber yang tidak disetujui

• Mengajukan pertanyaan umum seperti “buat presentasi ini lebih baik”

• Gagal memisahkan data publik dari materi kesepakatan rahasia

• Menggunakan bahasa penilaian yang dihasilkan AI tanpa memeriksa angka-angkanya

• Melewatkan kontrol versi karena outputnya "terlihat benar"

• Hanya mengukur kecepatan, bukan tingkat kesalahan atau kualitas ulasan

Aturan paling aman itu sederhana: AI dapat menyusun, membandingkan, meringkas, dan menandai. Manusia tetap menyetujui, membela, dan bertanggung jawab atas saran tersebut.

Kesimpulan praktis

Bagi perbankan investasi, alur kerja AI yang unggul bukanlah seorang bankir ajaib dalam sebuah kotak. Melainkan lapisan produksi junior yang terkontrol ketat dengan masukan yang jelas, izin yang ketat, tinjauan manusia, dan pemeriksaan kualitas yang terukur. Jika digunakan dengan baik, ia menghemat waktu berjam-jam. Jika digunakan sembarangan, ia akan menciptakan kesalahan mahal dengan lebih cepat.

Pertanyaan yang Sering Diajukan (FAQ)

Akankah AI menggantikan bankir investasi sepenuhnya?

Bukan dalam proses yang rapi dan menyeluruh. Perbankan investasi bukan hanya soal hasil – ini tentang kepercayaan, penilaian, politik, dan meyakinkan manusia untuk mengatakan "ya" di bawah tekanan. AI akan menggantikan sebagian besar pekerjaan, memperpendek jangka waktu, dan mengurangi beberapa lapisan, terutama di bagian produksi junior. Tetapi klien tetap menginginkan seseorang yang bertanggung jawab atas nasihat (dan konsekuensinya). 🤝

Tugas-tugas perbankan investasi mana yang paling mungkin diotomatisasi terlebih dahulu?

Pekerjaan "industri" terkena dampaknya terlebih dahulu: volume tinggi, berbasis templat, dan mudah diperiksa secara mekanis. Bayangkan teks presentasi awal, tinjauan pasar, tabel perbandingan, ringkasan pengajuan/transkrip, format slide, draf bagian CIM, simulasi skenario, dan pembaruan status tanpa henti. Yang menarik adalah Anda tidak berhenti bekerja - Anda beralih dari membuat ke meninjau, mengoreksi, dan mempertahankan hasil ketika hasilnya tidak sesuai secara komersial.

Akankah AI menggantikan bankir investasi di tingkat analis?

AI sangat mengurangi kesulitan klasik analis: menyusun draf, memformat, memperbarui, dan membangun kembali model yang sama dengan sedikit perubahan. Itu berarti lebih sedikit junior yang dibutuhkan untuk hasil yang sama, dan ekspektasi yang lebih tinggi bagi mereka yang bertahan. Risikonya adalah pelatihan: jika pekerjaan kasar hilang, maka pengulangan yang membangun insting juga hilang. Anda tidak bisa menjadi ahli hanya dengan "mengatur" pekerjaan. 😅

Apa yang terjadi pada para associate, VP, dan MD seiring dengan meluasnya AI?

Para Associate dan VP mungkin menjadi lebih berharga karena mereka menerjemahkan kebutuhan klien yang kompleks menjadi hasil yang nyata dan mendeteksi masalah sebelum produk dikirim. Mereka juga mengelola jadwal, pemangku kepentingan, dan ambiguitas - area di mana AI masih kesulitan. Bagi MD, penciptaan prospek berdasarkan hubungan dan kepercayaan tidak akan hilang. Kesenjangan semakin melebar antara para pencipta prospek dan orang-orang yang sebagian besar hanya mengawasi proses. ☔

Mengapa AI kesulitan dengan bagian-bagian perbankan yang berkaitan dengan penutupan transaksi?

Karena bagian tersulitnya bersifat situasional dan manusiawi. AI dapat menyarankan struktur, tetapi psikologi klien, politik dewan direksi, nuansa negosiasi, dan insting waktu bukanlah kumpulan data yang bersih. Kepercayaan berbasis reputasi juga rumit: "Saya pernah melihat film ini sebelumnya" sebagian merupakan pengalaman, sebagian lagi akuntabilitas. Ketika seorang CEO setengah marah dan setengah ketakutan, seseorang perlu mengarahkan ruangan—bukan hanya menghasilkan teks.

Bagaimana bank dapat menggunakan AI dalam perbankan investasi tanpa mengalami kerugian?

Pengaturan yang “baik” berperilaku seperti rekan tim junior yang dapat diandalkan: ia menandai ketidakpastian, menjelaskan asumsi, bekerja dalam batasan kepatuhan, dan menjaga konsistensi templat. Sama pentingnya, ia membutuhkan jejak audit sehingga seseorang dapat mempertahankan hasilnya di kemudian hari. Adopsi sering kali terlihat seperti “AI di mana-mana… tetapi terkurung,” karena risiko privasi, keamanan siber, ketidaktransparansian, dan bias tidak hilang pada hari kesepakatan. ⚠️

Apa saja risiko kepatuhan dan pencatatan terbesar terkait GenAI di sektor perbankan?

Dua realitas memperlambat segalanya. Pertama, tata kelola risiko model bukanlah pilihan – regulator mengharapkan validasi, dokumentasi, dan kontrol, dan GenAI dapat meningkatkan standar daripada menurunkannya. Kedua, komunikasi dan penyimpanan catatan sangat penting: ketika orang menyalin konteks transaksi ke dalam alat atau membuat draf dalam obrolan, Anda dapat menciptakan masalah penyimpanan dan pengawasan di bawah rezim pialang-dealer.

Bagaimana Anda tetap berharga jika AI mengubah dunia perbankan investasi?

Pikirkan "kekuatan, bukan kebijaksanaan." Gunakan AI untuk menyusun, menstrukturkan, dan melakukan iterasi lebih cepat - kemudian gunakan waktu manusia Anda untuk narasi, penilaian komersial, pengenalan pola sektor, negosiasi, dan kepemimpinan proses. Menjadi "mahir dalam AI" berarti mengawasinya secara bertanggung jawab: memberikan petunjuk yang baik, menguji hasil secara menyeluruh, dan menangkap apa yang secara teknis benar tetapi secara komersial salah. Para pemenang menjadi editor realitas yang hebat. 🧠🤖

Referensi

[1] Forum Ekonomi Dunia - Laporan Masa Depan Pekerjaan 2025 (Ringkasan)
[2] McKinsey Global Institute - Potensi ekonomi AI generatif: Batas produktivitas berikutnya
[3] Bank for International Settlements - Sistem keuangan cerdas: bagaimana AI mengubah keuangan (BIS Working Papers No 1194, PDF)
[4] Federal Reserve - Panduan Pengawasan tentang Manajemen Risiko Model (SR 11-7), PDF
[5] FINRA - Buku dan Catatan (termasuk Peraturan SEC Exchange Act 17a-4 tentang penyimpanan komunikasi elektronik)

Temukan AI Terbaru di Toko Resmi Asisten AI

Tentang Kami